迪士尼研究部门近日发布了一项创新的图像压缩技术，该技术在保持较低数据传输率的同时，能够生成更为逼真的图像效果。这项新型编解码技术虽然在复杂度上较传统的JPEG和AV1等编解码器有所提升，但在图像质量和处理效率方面都展现出显著优势。研究团队发现，通过将量化误差与图像处理中的噪声处理相结合，可以在目标比特率下更好地重建图像细节。迪士尼压缩方法与之前方法的比较。作者声称细节恢复效果有所改善，同时提供了一种不需要数十万美元训练的模型，并且运行速度比

迪士尼的研究团队最近推出了一种全新的图像压缩方法，利用开源的 Stable Diffusion V1.2模型，这种方法可以在比竞争对手更低的比特率下生成更真实的图像。这种新方法被称为 “编解码器”，尽管它比传统的 JPEG 和 AV1编解码器复杂得多，但其性能却令人惊叹。该研究表明，新方法在图像细节的恢复上表现得更为出色，同时所需的训练成本也大大降低。研究人员发现，量化误差（图像压缩中的核心过程）与噪声(扩散模型中的核心过程)非常相似，因此可以将传统量化图像视为原始图像的噪声

一款名为"妙刷"的创意图像工具正悄然改变着人们记录生活的方式。作为一款新型图像创作平台，这款工具不仅能将平凡照片变得富有创意，更能智能解读图像，为用户提供契合图片情境的文案创作服务。妙刷提供丰富多样的创作模式，从图片美化、艺术风格转换到创意合成，用户可以根据个人喜好选择不同的创作方式，将日常照片转化为独具特色的艺术作品。平台支持将普通照片转换成多种艺术风格，无论是将宠物照片趣味化处理，还是把街景照片变身魔幻场景，抑或是打造个性化虚拟

来自德国达姆施塔特工业大学的最新研究揭示了一个令人深思的现象:即便是当前最先进的AI图像模型，在面对简单的视觉推理任务时也会出现明显失误。这项研究结果对AI视觉能力的评估标准提出了新的思考。研究团队采用了由俄罗斯科学家Michail Bongard设计的Bongard问题作为测试工具。这类视觉谜题由12张简单图像组成，分为两组，要求识别出区分这两组的规则。对于大多数人来说，这种抽象推理任务并不困难，但AI模型的表现却令人意外。即便是目前被认为最先进的多模态模型GPT-4o，在100个

OpenAI最近公布了一项名为sCM（简化型、稳定型和可扩展型一致性模型）的突破性技术，这一创新彻底改变了AI图像模型的训练方式。该技术在原有的一致性模型(CMs)基础上实现了重大突破，为快速图像生成开辟了新天地。技术核心优势:只需两步计算即可生成高质量图像在A100GPU上生成一张图片仅需0.11秒相比传统扩散模型，速度提升50倍最大模型参数达15亿，创下新纪录在实际测试中，sCM的表现令人瞩目。在CIFAR-10数据集上获得了2.06的FID评分，在ImageNet上生成512x512像素图像时达到了1.88的优异成

最近，科研团队联合推出了一款名为 Meissonic 的开源 AI 图像生成模型。惊喜的是，这款模型仅使用了十亿个参数，却能生成高质量的图像。这种紧凑的设计让 Meissonic 有潜力在移动设备上实现本地化的文本转图像应用。这项技术的背后，研发团队包括阿里巴巴、Skywork AI 以及多所大学的研究者。他们采用了一种独特的变换器架构和新颖的训练方法，使得 Meissonic 能够在普通游戏 PC 上运行，甚至未来可能在手机上使用。Meissonic 的训练方法采用了一种被称为 “遮蔽图像建模” 的技术，简单来说

英伟达与麻省理工学院、清华大学的研究人员合作开发了一款名为Sana的全新文本到图像生成框架，该框架能够高效生成高达4096×4096分辨率的图像。Sana可以在极快的速度下合成高分辨率、高质量且与文本高度一致的图像，甚至可以在笔记本电脑的GPU上运行。Sana 的核心设计包括:深度压缩自动编码器: 与传统的自动编码器仅压缩图像8倍不同，Sana 训练的自动编码器可以将图像压缩32倍，有效减少了潜在标记的数量。线性 DiT: Sana 将 DiT 中所有普通的注意力机制替换为线性注意力机制，这在高分

研究人员最近开发了一种名为 REPA 的新技术，旨在加速 AI 图像生成模型的训练速度。REPA 代表 REPresentation Alignment，通过整合来自 DINOv2等模型的高质量视觉表示来提高训练速度和输出质量。传统的扩散模型通常会创建嘈杂的图像，然后逐渐将其细化为干净的图像。REPA 增加了一个步骤，将在此去噪过程中生成的表示与来自 DINOv2的表示进行比较。然后，它将扩散模型的隐藏状态投影到 DINOv2的表示上。研究人员表示，REPA 不仅提高了训练效率，还提高了生成的图像质量。使用各种扩散模型架构

Midjourney最近公布了一系列令人兴奋的更新和即将推出的新功能，这些进展表明公司在AI图像生成领域的快速发展和创新。首先，Midjourney即将推出一款新的在线编辑器，这款编辑器将允许用户导入图片，并利用内置的深度图和图像修复功能进行编辑。团队正在积极讨论首次发布时将包含哪些功能，并正在优化用户界面，以便将新功能与现有的图片功能区分开来。此外，内容审核功能已经运行良好，确保平台内容的合规性。在个性化功能方面，Midjourney正在开发新的工具，使用户能够更容易地

FLUX-Controlnet-Inpainting，这款基于ControlNet和FLUX.1-dev的图像修复工具，正在重新定义我们对图像修复的认知。这款工具不仅继承了FLUX.1-dev模型的高质量图像生成能力，更巧妙地融合了ControlNet的优势。它能够根据图像的边缘、线稿、深度图等信息进行精准修复，在指定区域生成与周围环境和谐一致的内容，为受损或缺失的图像部分带来新生。最近，FLUX的Inpainting ControlNet通过与ComfyUI的集成，实现了突破性的推理功能。这意味着用户现在可以在直观的界面中执行复杂的图像修复任务，享受流畅的

Midjourney创始人兼CEO David Holz近日在Discord上的"办公时间"中，亲自分享了公司当前项目的最新进展，并回答了社区用户的问题。这次交流透露出Midjourney正在进行多方面的技术创新，以应对日益激烈的AI图像生成领域的竞争。新版本推迟但功能更丰富尽管Midjourney在短时间内取得了快速进步，但最近新模型的发布频率明显放缓。公司最新的6.1版本是在7月份发布的，此后用户经历了一段较长的等待期。原计划在夏季前推出的第7版现在有了新的时间表:预计将在一到两个月内准备就绪。Holz表示，开

Freepik的AI图像生成模型Mystic，通过与Magnific AI的合作，开创了AI创作的新纪元。这款模型不仅能够生成超逼真的图像，还能在复杂场景中精准捕捉细节，甚至在图像中生成逼真的文字，达到了全高清水平。Mystic的独特之处在于它融合了Stable Diffusion、Flux和Magnific的自有模型优势，经过了由专业团队精心调校。测试显示，无论提示多么复杂或简单，Mystic都能产出令人震撼的结果，如猫咪弹钢琴、巨龟背负城市、火焰编织的头发女性和机器人绘制星空等，每幅作品都展示了Mystic在光影处理和艺术表达上的高超技艺。尽管目前仅对Freepik平台的高级用户开放，但Mystic的潜力已引起业界广泛关注，标志着AI图像生成领域正迅速发展。Mystic不仅展示了AI技术的最新进展，也为创意工作者提供了一种强大的工具，预示着AI辅助创作将在不久的将来成为主流，为视觉艺术领域带来前所未有的创新和突破。

知名AI图像生成服务Midjourney宣布进军硬件市场，邀请对旧金山新团队感兴趣的人员发送邮件至hardware@midjourney.com。前Leap Motion CTO David Holz和苹果Vision Pro硬件工程经理Ahmad Abbas加入，产品形态预计非可穿戴，需“进入”使用。Midjourney回应AI图像生成领域竞争，更新界面并提供25次免费图像生成服务。公司强调新设备非早期AI设备设计，暗示可能采用创新形式。面对行业挑战，Midjourney的硬件计划引起市场期待，但AI驱动硬件市场反馈不一。OpenAI CEO Sam Altman与苹果设计师Jony Ive的合作也可能推动未来硬件市场发展。

Getty Images与NVIDIA合作，推出升级AI图像生成工具，速度提升至6秒生成4张图片，比前代快一倍。新模型采用NVIDIA Edify架构，输出质量显著提高，支持更长指令输入，图像放大效果更佳，且能对模型进行微调。工具新增AI图像修改功能，用户可修改生成的AI图像和预拍摄创意图像，包括添加或更改元素、扩展画布等。此功能已上线iStock，并将很快在Getty Images平台推出。模型训练来源于Getty Images的创意库，确保无商标、标志等第三方知识产权元素。公司承诺为商业使用提供赔偿，并提供微调功能，允许企业客户整合品牌资产，构建定制化模型。此次更新旨在提升创意流程效率与安全性，为企业与个人提供强大工具。

在一场关键的版权侵权诉讼中，法官裁定视觉艺术家针对知名 AI 图像和视频生成公司的诉讼可以继续进行，并进入发现阶段。艺术家指控这些公司未经允许使用他们的作品训练 AI 模型，包括 Midjourney、Runway、Stability AI 和 DeviantArt 等。案件焦点在于 AI 公司是否构成“诱导侵权”，法官表示指控足够强大，允许案件深入调查。艺术家们希望揭示 AI 公司的训练数据集和内部文件，特别是关于使用开源 Stable Diffusion AI 模型和 LAION-5B 数据集的情况。此次裁决意味着艺术家将有机会了解 AI 公司不愿公开的信息，并可能承担版权侵权责任。法官驳回了基于《数字千年版权法案》的部分指控，并注意到艺术家的名字和作品元素在 AI 模型训练中被使用，这构成版权侵权的可能性。案件的进一步发展将关注 AI 艺术生成公司如何为自己的训练实践和模型输出辩护。

亚马逊近期发布了其内部AI模型Titan Image Generator的升级版本v2，为使用AWS Bedrock生成AI平台的客户提供了一系列增强功能。Titan Image Generator v2不仅保留了原有功能，还新增了图像调节、配色方案控制、背景移除优化以及主题一致性保持等特性。用户可通过提供参考图像和文本提示，精确控制生成图像的内容，甚至控制配色方案和保持特定主题的一致性。该模型还具备智能识别多个前景对象的能力，并提供背景移除功能，确保主要对象清晰展现。此外，AWS为用户提供了赔偿政策，以保护生成内容不侵犯版权。Titan Image Generator v2已在部分地区上线，预计未来将覆盖更多区域。亚马逊对生成AI技术充满信心，认为它将在云端快速发展。

FLUX.1，一款由AI图像生成领域权威专家Robin Rombach推出的开源大模型平台，以120亿参数的Vision Transformer架构，采用流程匹配训练方法和旋转位置嵌入等技术，大幅超越了DALL·E3、Midjourney V6等闭源模型及SD3系列。在性能上，FLUX.1在文本语义还原、图片质量、动作一致性、连贯性和多样性方面，甚至在文本生成图片方面均优于主流模型，尤其是其开源的Schnell版本，性能卓越。FLUX.1还计划推出文生视频模型，挑战Sora、Gen-3、Luma等一线产品。其开源特性，让开发者和AI爱好者在拥有36G以上显存的电脑上运行AI图像生成模型成为可能。FLUX.1的出现，为开源AI图像生成领域带来新希望，加速了AI图像生成技术的普及和创新，普通用户有望在家用电脑上体验媲美甚至超越Midjourney的AI图像生成模型。

AI图像生成器通过显著提升创作效率，优化了专业人士的工作流程，尤其对时间紧迫的任务大有裨益。Getty Images与iStock推出了更新的AI模型，速度提升至原来的两倍，可在短短六秒内生成四幅图像。新模型允许用户输入长达250个单词的提示，具备多种相机控制选项，支持4K细节输出，以及AI修改功能，如背景去除、元素添加、画面延展等，大幅提升图像质量和创意实现的灵活性。这一升级基于NVIDIA的Edify模型架构，确保了商业使用的法律保护。针对企业用户，Getty Images提供了多用户的解决方案，而iStock则为单用户提供了月费起价15美元的选项。

国内领先的AI图像生成平台"LiblibAI哩布哩布AI"（简称"LiblibAI"）在过去一年内已完成三轮融资，总金额达数亿元人民币，创下国内AI图像赛道的最大总融资纪录。这三轮融资分别由源码资本、高榕创投和金沙江创投投资的天使轮，战略投资方领投的第二轮，以及明势资本领投的第三轮组成，老股东持续多轮加持。远识资本在多轮融资中担任独家财务顾问。

斯坦福大学和加州大学伯克利分校的研究人员进行了一项实验，探索让AI图像生成模型使用自己生成的图像进行再训练的后果。实验使用了Stable Diffusion（SD）模型，并从FFHQ人脸数据集中选取了高质量人脸图像进行自动生成。结果显示，AI模型在经过再训练后，产生了高度扭曲的图像，这种扭曲不仅源自用于再训练的文本提示，即使之后仅使用真实图像进行再训练，模型也难以完全恢复。实验发现，生成图像的质量急剧下降，即使再训练数据集中自生成图像的比例低至3%，模型崩溃的现象依然存在。研究揭示了AI系统对数据“污染”的高度敏感性，强调了AI生成内容处理和数据集管理的潜在风险与挑战。